MétaCan
Menu
← Back to cohort
Record W7067423050

Luonnonmukaisia rakennusmateriaaleja ja vähähiilisen rakentamisen ohjauskeinoja

2023· other· fi· W7067423050 on OpenAlexaboutno aff

Bibliographic record

VenueTheseus (Ammattikorkeakoulujen) · 2023
Typeother
Languagefi
FieldComputer Science
TopicData Analysis with R
Canadian institutionsnot available
Fundersnot available
KeywordsQuarter (Canadian coin)Government (linguistics)Context (archaeology)
DOInot available

Abstract

fetched live from OpenAlex

Tutkimuksen tavoitteena oli etsiä tavanomaisten eristemateriaalien korvaajaksi ekologisempia vaihtoehtoja, joita voitaisiin hyödyntää talonrakentamisessa Suomen ilmastoon sopivissa olosuhteissa. Lisäksi koottiin tiivis paketti Suomen rakentamista ohjaavasta lainsäädännöstä, jotta saatiin selville, tuetaanko vähähiilisempien materiaalien käyttöä Suomessa lainsäädännön keinoin. \n \nTutkimus suoritettiin kvalitatiivisena tutkimuksena, jossa lähteinä käytettiin erilaisia kirjallisia ja suullisia lähteitä. Yksi tutkimuksen tärkeä lähde oli viime vuonna Tampereen yliopistolla suoritettuun luonnonmukaisten materiaalien kartoittamiseen liittyvän tutkimuksen tulokset. \n \nTuloksena saatiin tarkempaa tietoa hampun, saven, oljen ja järviruo’on ominaisuuksista rakennusmateriaalina, käyttökohteista rakentamisessa sekä asennettavuudesta. Lainsäädännön osalta keskityttiin tulevaan rakennuslain uudistukseen, jotta opinnäytetyön sisältö ei vanhene pian valmistumisensa jälkeen. Vanha maankäyttö- ja rakennuslaki on voimassa sellaisenaan enää vuoden 2024 loppuun. Uusi rakentamislaki tuo muutoksia rakentamisen vaatimuksiin muun muassa ilmastoselvityksen sekä hiilijalanjälkilaskennan osalta. \n \nTutkimustuloksista voitiin päätellä, että vaihtoehtoja vähähiilisempiin rakenneratkaisuihin löytyy ja rakennusalalla ollaankin kiinnostuneita niistä, mutta niiden saaminen käyttöön edellyttää vielä tutkimus- ja testaustyötä sekä rohkeita innovaattoreita alalle. Ekologisten materiaalien käyttömahdollisuus P2-luokan kohteissa olisi tärkeä selvityksen kohde tulevaisuudessa, jotta vähähiilisen rakentamisen vaikuttavuutta Suomessa saataisiin lisättyä.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.107
Threshold uncertainty score0.359

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.004
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0040.002
Scholarly communication0.0100.005
Open science0.0010.004
Research integrity0.0020.003
Insufficient payload (model declined to judge)0.1070.039

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.024
GPT teacher head0.261
Teacher spread0.237 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueTheseus (Ammattikorkeakoulujen)→Same topicData Analysis with R→French-language works237,207→